………………………..………..………………….… 3.6 …………………………………….…….……………3.7
……………………………………………3.8 ………………………….. ………………3.9
Keterangan: DK
= Derajat Kemandirian Daerah PAD = Pendapatan Asli Daerah Juta Rupiah
BHPBP = Bagi Hasil Pajak dan Bukan Pajak Juta Rupiah TKD = Total Pengeluaran Daerah Juta Rupiah
BR = Pengeluaran Rutin Juta Rupiah
Dalam menilai derajat kemandirian daerah, digunakan skala menurut Tumilar dalam Tangkilisan 2005 terdapat skala interval yang ditunjukkan pada
Tabel 7. Tabel 7 Skala interval indeks kemampuan rutin daerah IKRD
IKRD dalam Kemampuan Keuangan Daerah
00 - 10.00 10.01 - 20.00
20.00 - 30.00 30.01 - 40.00
40.01 - 50.00 50.00
Sangat Kurang Kurang
Cukup Sedang
Baik Sangat Baik
Sumber : Tumilar dalam Tangkilisan, 2005.
3.3.3 Analisis Regresi Berganda dengan Data Panel
Analisis ini digunakan untuk mengestimasi pengaruh variabel independen terhadap variabel dependen. Dalam penelitian ini akan digunakan pendekatan
model data panel, yaitu menggunakan informasi dari gabungan pendekatan cross section dan pendekatan time series.
Terdapat dua keuntungan penggunaan model data panel dibandingkan data time series atau cross section saja. Pertama, kombinasi data time series dan cross
section membuat jumlah observasi menjadi lebih besar. Dengan menggunakan model data panel marginal effect dari peubah penjelas dilihat dari dua dimensi
individu dan waktu paramater yang diestimasi akan lebih akurat dibandingkan dengan model lain. Secara teknis data panel dapat lebih informatif, mengurangi
kolinearitas antar peubah serta meningkatkan derajat kebebasan yang artinya meningkatkan efisiensi. Kedua, data panel lebih baik dalam mengidentifikasi dan
mengukur efek yang secara sederhana tidak dapat diatasi dalam data cross section saja atau data time series saja, sehingga dapat mengurangi masalah identifikasi.
Data panel mampu mengontrol heterogenitas individu. Dengan metode ini estimasi yang dilakukan dapat secara eksplisit memasukkan unsur heterogenitas
individu. Data panel juga lebih baik untuk studi dynamics of adjustment. Hal ini berkaitan dengan observasi pada cross section yang sama secara berulang,
sehingga data panel lebih baik dalam mempelajari perubahan dinamis. Baltagi 2007 menjelaskan bahwa estimasi data panel memiliki beberapa
keuntungan sebagai berikut: 1.
Data panel dapat mengendalikan heterogenitas antar individu. 2.
Data panel dapat memberikan informasi yang lebih lengkap, lebih bervariasi, berkurangnya kolinearitas antarvariabel, meningkatkan jumlah
derajat kebebasan dan lebih efisien. 3.
Data panel umumnya lebih baik
digunakan untuk meneliti dynamics of adjustment, yang dapat mendeteksi efek-efek yang tidak dapat dilakukan
oleh model cross section murni atau time series murni. 4.
Data panel dapat digunakan untuk mengkonstruksi dan menguji model perilaku yang lebih kompleks dibandingkan data cross section atau time
series murni. 5.
Data panel lebih baik dalam mengukur, mengidentifikasi dan mengukur efek yang tidak dapat dideteksi apabila menggunakan data cross section atau time
series murni. Kendati demikian, analisis data panel juga memiliki beberapa kelemahan dan
keterbatasan dalam penggunaannya khususnya apabila data panel dikumpulkan
atau diperoleh dengan metode survei. Beberapa kelemahan dan keterbasan dari estimasi dengan data panel Baltagi 2007 adalah:
1. Data panel relatif besar karena melibatkan komponen cross section dan time
series, sehingga menimbulkan masalah disain survei panel, pengumpulan dan manajemen data masalah yang umumnya dihadapi di antaranya:
coverage, nonresponse, kemampuan daya ingat responden recall, frekuensi, dan waktu wawancara.
2. Estimasi dengan data panel memungkinkan terjadinya distorsi dari
kesalahan pengukuran yang umumnya terjadi karena kesalahan respon contoh: pertanyaan yang tidak jelas, ketidaktepatan informasi, dan lain-
lain. 3.
Estimasi dengan data panel dapat menimbulkan cross section dependence contoh: apabila macro panel data dengan unit analsis negara atau wilayah
dengan deret waktu yang panjang mengabaikan cross-country dependence maka dapat mengakibatkan kesimpulankesimpulan yang tidak tepat miss
leading inference. Ditinjau dari berbagai asumsi dan faktor-faktor pembentuknya, struktur
model estimasi data panel dapat dikelompokkan sebagai berikut: 1.
Metode estimasi Common Effect Metode estimasi ini paling sederhana untuk mengestimasi data panel, hanya
dengan menggabungkan data cross section dan time series tanpa melihat perbedaan antarwaktu dan individu. Pedekatan metode ini tidak memperhatikan
dimensi individu maupun waktu. Intersep α dan slope β dalam metode estimasi ini
sama untuk setiap individu. Model umum dari model estimasi data panel adalah sebagai berikut:
....................3.10 Keterangan:
i = jumlah cross section; i=1,2,...,n t = periode: t=1,2,...T
k = jumlah variabel bebas; k=1,2,...,K
Pada Common Effect akan sulit dilihat perubahan antarindividu, karena dalam metode ini semua individu dianggap homogen.
2. Metode Individual Effect
Metode estimasi individual effect memperhatikan sifat dari efek individu
α, tanpa memperhatikan struktur kovarian errorterm. Bentuk umum dari model individual effect adalah sebagai berikut:
...................3.11 Keterangan:
α
i
≠ α
j
untuk i ≠ j; i=1,2,3,...n
it
= komponen error =
λ
i
+ µ
t
+ u
it
λ
i
= komponen error individu µ
t
= komponen error waktu
..
u
it
= komponen error gabungan Metode individual effect terdiri dari metode fixed effect dan random effect
Baltagi 2007. Kedua metode tersebut dibedakan berdasarkan ada tidaknya korelasi antara komponen error dengan peubah bebas regresor.
1. Metode Fixed effect
Metode fixed effect muncul ketika antara efek individu dan dan efek waktu memiliki korelasi dengan variabel bebas, atau memiliki pola yang sifatnya tidak
acak. Asumsi ini membuat komponen error dari efek individu dan waktu dapat menjadi bagian dari intersep, sehingga dapat dituliskan:
....................3.12 Dengan asumsi tidak ada pengaruh efek waktu , untuk setiap saat sama sehingga
errorterm dapat dituliskan sebagai berikut:
it
= λ
i
+ u
it
Efek individu λ
i
, akan digabungkan dengan intersep , sehingga
= β
+ λ
i
. Model ini menggunakan variabel dummy, sehingga intersep hanya bervariasi
terhadap individu, sedangkan terhadap waktu konstan. Slope dalam model Fixed effect adalah konstan antar individu dan waktu. Model ini mengasumsikan bahwa
